CN107133382A - 基于机器视觉的太阳能电池残片再利用的智能排样方法 - Google Patents
基于机器视觉的太阳能电池残片再利用的智能排样方法 Download PDFInfo
- Publication number
- CN107133382A CN107133382A CN201710213800.5A CN201710213800A CN107133382A CN 107133382 A CN107133382 A CN 107133382A CN 201710213800 A CN201710213800 A CN 201710213800A CN 107133382 A CN107133382 A CN 107133382A
- Authority
- CN
- China
- Prior art keywords
- line
- rectangle
- search
- point
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 36
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 36
- 239000010703 silicon Substances 0.000 claims abstract description 36
- 235000012431 wafers Nutrition 0.000 claims abstract description 29
- 238000013316 zoning Methods 0.000 claims abstract description 12
- 230000001105 regulatory effect Effects 0.000 claims abstract description 5
- 238000005520 cutting process Methods 0.000 claims description 19
- 230000007797 corrosion Effects 0.000 claims description 9
- 238000005260 corrosion Methods 0.000 claims description 9
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 241000216843 Ursus arctos horribilis Species 0.000 claims description 5
- 238000000034 method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims 2
- 101100008044 Caenorhabditis elegans cut-1 gene Proteins 0.000 claims 1
- 230000000877 morphologic effect Effects 0.000 claims 1
- 238000003698 laser cutting Methods 0.000 abstract 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于机器视觉的太阳能电池残片再利用的智能排样方法，根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；采集电池残片图像，对采集到的图像进行一系列的预处理；对预处理的图像进行可利用划分区域；利用找到的矩形区域创建划分轮廓队列，即通过对最终得到的矩形区域轮廓进行分析，搜索到最优的激光切割轨迹。本发明可在残片的有效区域自动搜寻出满足要求的矩形区域并自动的创建出最佳的激光切割轨迹，搜寻速度快，对不同破碎程度的太阳能硅片均能处理，通用性强；经切割的矩形区域可作为新的太阳能硅片重新被利用，节约成本，利用率高。
Description
技术领域
本发明涉及属于太阳能硅片切割领域，具体涉及一种基于机器视觉的太阳能电池残片再利用的智能排样方法。
背景技术
太阳能电池是一种把光能转化成电能的装置。它不仅安全清洁，还能够直接在需要用电的地方设置发电，这些特点使得太阳能在能源领域占着重要的战略地位。随着太阳能硅片向高效率、低成本和薄片化方向的发展，太阳能硅片制造工艺的要求日益提高，太阳能硅片变得越来越薄，在太阳能电池片生产过程及搬运等过程中，太阳能电池片极易破损，由于太阳能硅片本身具易碎性，因此破损几率大大增加，然而，现在对破损的太阳能硅片大多都是直接丢弃，因此，造成极大的浪费。
发明内容
本发明的目的是针对上述现状，旨在提供一种基于机器视觉的太阳能电池片残片再利用的智能排样方法。
本发明目的的实现方式为，基于机器视觉的太阳能电池残片再利用的智能排样方法，
第一步读取规格参数，创建参数队列
根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；设置规定的切割矩形的长和宽、最短的栅格长度和栅条数，创建参数队列；
第二步对太阳能硅片进行图像采集：利用相机对破损的太阳能硅片进行拍照并存储；
第三步对采集到的图像预处理，预处理的具体步骤如下：
1)读取采集到的图像，通过阈值分割提取硅片大轮廓，然后通过开运算等形态学处理消除周围的噪点，排除干扰，得到感兴趣区域，即残片的大轮廓；
2)将提取的残片大轮廓进行增强处理，再通过阈值分割提取栅格，将提取到的栅格骨骼化，再经过Hough变换将处于同一条直线上的骨骼化的栅格合并，并拟合成一条直线，即栅线。
第四步对可利用划分区域进行矩形搜索，具体步骤如下：
1)按照规定的优先级顺序选择切割矩形的长和宽；
2)确定矩形的方向和中心搜索轨迹线，在搜索矩形之前需要确定矩形的方向和搜索路径。根据规格要求，将栅线的垂直方向作为矩形的长轴方向；栅极线需满足关于电池片中线对称的要求，不同规格的小电池片栅极线的条数不同。奇数条栅线，选取中间的栅极线作为矩形中心搜索轨迹线；偶数条栅线，选择中间两条栅线的对称线作为矩形中心搜索轨迹线。
3)确定起始搜索轨迹线，对于存在多条中心搜索轨迹线的情形，在两侧的两条搜索轨迹线中选取与残片区域交线较长的一条作为起始搜索轨迹线；
4)确定搜索区域，以步骤1)所选择定的矩形宽度作为宽，以搜索轨迹线与残片轮廓的交线作为长，创建一个矩形搜索区域；
5)确定搜索起始点与终止点，搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择；选取离包含在矩形搜索区域内的残片重心较近的一端作为搜索起始点，另一端点作为终止点；
6)矩形搜索，以步骤5)中的起始点截去矩形半高的那个点作为矩形的第一个中心点开始创建第一个矩形，先判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中；再判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小；
7)调整搜索步长，若步骤6)中创建的矩形区域中的电池片有破损现象，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段，将搜索中心点向搜寻的方向平移t个步长继续创建矩形；
若步骤6)中创建的矩形区域与栅格的交集部分的最大长度d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形。直到均符合要求为止，继续下一步；
8)保存创建合格的矩形，将步骤3)中选取的那条中心线上创建的所有矩形都保存在一个空区域中，并将这条中心线上的这些矩形从可利用划分区域中划去。返回步骤3)，继续在下一条中心线上创建矩形区域；
9)创建下一优先级的矩形，当当前尺寸的矩形在其所有的中心搜索轨迹线上都创建完成后，返回步骤1)，继续下一个尺寸的矩形区域的创建；
10)结束矩形的搜索。当所有尺寸的矩形都创建完成后，结束搜索；
第五步生成切割线
1)生成直线，将第四步中保存的创建的所有矩形区域显示出来，提取这些矩形的所有长和宽，把它们都延伸为一条条与电池片两边缘都相交的直线。再求取生成的所有直线与电池片轮廓的交线，将在轮廓边缘外的直线段部分除去；
2)将直线中穿过矩形内部的线段去掉；将所有的矩形进行腐蚀处理，腐蚀的宽度为1～3mm，求取所有腐蚀后的矩形区域与步骤1)中所得到的直线段的交线，将求取的交线从直线段上去掉；
3)将直线段上多余的切割线段去掉，删去在剩余的直线段上的有些没必要切割的线段；将所有的矩形进行膨胀处理，膨胀的宽度为1～3mm；求取所有膨胀的矩形区域与直线段相交的线段的长度，判断这些长度与膨胀的宽度的大小，找出所有小于膨胀的宽度的线段，并找出该线段所在的直线段，将这些直线段去掉；得到的剩下的直线段就是最终的切割线。
第六步优化切割路径
将第五步中得到的所有的切割线的首尾坐标求出来，找到离原点最近的一个坐标点为切割起始点，该点所在的直线段为第一条切割线；再找到与第一条切割线的末尾点最近的一个点作为第二条切割线的起始点，该点所在的直线段为第二条切割线；再找到与第二条切割线的末尾点最近的一个点作为第三条切割线的起始点，该点所在的直线段为第三条切割线；以此类推，得到优化的切割路径。
本发明具有如下有益效果：
1、将破损的太阳能硅片进行重复利用，节约成本，提高利用率；
2、对不同破碎程度的太阳能硅片均能进行自动处理，使得每一片硅片都可以最大限度地被利用，进一步提高了太阳能硅片的利用率；
3、可以适用于各种损坏程度不同的太阳能硅片，通用性好；
4、从创建矩形区域到切割路径规划均是自动实现，自动化程度高。
附图说明
图1为本发明流程图，
图2为可利用划分区域流程图。
具体实施方式
本发明能提高太阳能硅片的利用率。当较大尺寸规格的电池片存在破损时，可以在未破损区域重新划分并切割出较小尺寸规格的电池片，从而达到充分利用残片的目的。由于残片的破损形式千差万别，需要不同的划分方案与其相适应。因此采用机器视觉技术方案，实现对残片的智能划分。划分的条件包括：
1、划分的尺寸规格如(长×宽)：156mm×78mm、78mm×52mm、52mm×39mm、52mm×31.2mm、52mm×26mm等；
2、划分的矩形区域必须包含栅线，包含的栅线条数，如有一条、两条、三条、四条和五条等。
3、划分的矩形区域必须达到最短的留栅极长m，如3；
4、划分的矩形区域的中心线应为栅线或者栅线的对称线。
下面参照附图详述本发明。
参照图1、2，本发明的具体步骤如下：
第一步读取规格参数，创建参数队列
根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；设置规定的切割矩形的长和宽、最短的栅格长度和栅条数，创建参数队列。
所述根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸：设置规定的切割矩形的长a，如156mm,78mm,52mm,52mm,52mm和宽b，如78mm,52mm,39mm,31.2mm,26mm，以及最短的栅格长度m，如3和栅条数n，如1,2,3,4,5，按照规定的优先级的顺序先设置第一优先级的长和宽，以及其包含的栅极线条数n，以此类推。
第二步对太阳能硅片进行图像采集：利用相机对破损的太阳能硅片进行拍照并存储。
第三步对采集到的图像预处理，预处理的具体步骤如下：
1)读取采集到的图像，通过阈值分割提取硅片大轮廓，然后通过开运算等形态学处理消除周围的噪点，排除干扰，得到感兴趣区域，即残片的大轮廓；
2)将提取的残片大轮廓进行增强处理，再通过阈值分割提取栅格，将提取到的栅格骨骼化，再经过Hough变换将处于同一条直线上的骨骼化的栅格合并，并拟合成一条直线，即栅线。
第四步对第三步预处理的图像进行可利用划分区域，即在太阳能硅片上最大限度的搜索到所有满足规格和条件的矩形区域，具体步骤如下：
1)按照规定的优先级顺序选择切割矩形的长a和宽b。
2)确定矩形的方向和中心搜索轨迹线。在搜索矩形之前需要确定矩形的方向和搜索路径。根据规格要求，将栅线的垂直方向作为矩形的长轴方向；栅极线需满足关于电池片中线对称的要求，不同规格的小电池片栅极线的条数不同。奇数条栅线，选取中间的栅极线作为矩形中心搜索轨迹线；偶数条栅线，选择中间两条栅线的对称线作为矩形中心搜索轨迹线。设中心搜索轨迹线(线段)的首尾两点坐标为：首点Ps[us,vs]；尾点Pe[ue,ve]，则可得到中心搜索轨迹线P[u,v]的直线段方程为：
3)确定起始搜索轨迹线。对于存在多条中心搜索轨迹线的情形，在两侧的两条搜索轨迹线中选取与残片区域交线较长的一条作为起始搜索轨迹线。
4)确定搜索区域。以步骤1)所选择定的矩形宽度作为宽，以搜索轨迹线与残片轮廓的交线作为长，创建一个矩形搜索区域。
5)确定搜索起始点与终止点。搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择(为了加快搜索，两端截去矩形半高)。选取离包含在矩形搜索区域内的残片重心较近的一端作为搜索起始点，另一端点作为终止点。其中，重心的坐标公式为：
其中，图像灰度表示为：f(i,j)，i＝1,2,…，M；j＝1,2,…,N。
6)矩形搜索。以步骤5)中的起始点截去矩形半高的那个点作为矩形的第一个中心点开始创建第一个矩形，先判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中；再判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小；
7)调整搜索步长。若6)中创建的矩形区域中的电池片有破损的现象，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段(点集)，将搜索中心点向搜寻的方向平移t个步长继续创建矩形；若6)中创建的矩形区域与栅格的交集部分的最大长度d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形。直到均符合要求为止，继续下一步；其中，投影到中心线上的点集的坐标的公式如下：
已知破损区域边缘轮廓上的每个像素点的坐标为Ck[u0,v0](k＝1,2，…，破损区域的像素点的总个数)，将Ck[u0,v0]上每个点投影到中心搜索轨迹线P[u,v]上的所有像素点坐标点集为C′k[u′,v′]，则有可得投影在中心搜索轨迹线上的坐标点的点集C′k[u′,v′]为：
设得到的点集C′k[u′,v′]中所有坐标中的首尾点坐标为：首点C′s[u′s,v′s]，尾点C′e[u′e,v′e]，中心搜索轨迹线段的总长为L，若有多条投影线段，则从每条投影线段的首尾点处将中心搜索轨迹线进行分段，按顺序排列得到投影的线段的长度为[L1,L2,…,LZ]，其中，设Z为投影的线段的总个数。求除去掉所有投影的线段的差集L-L′＝L″，L″即为非投影段的其余中心搜索轨迹线段，得到L″的每段的长度为[L″1,L″2,…,L″w]，分别判断[L″1,L″2,…,L″w]与当前搜索矩形宽度b的大小，将[L″1,L″2,…,L″w]中小于b的线段去掉，保留下来的线段则是可以搜索到矩形的中心搜索轨迹线段。
8)保存创建的合格的矩形轮廓。将3)中选取的那条中心线上创建的所有矩形都保存在一个空区域中，并将这条中心线上的这些矩形从可利用划分区域中划去。返回步骤3)，继续在下一条中心线上创建矩形区域；
9)创建下一优先级的矩形。当当前尺寸的矩形在其所有的中心搜索轨迹线上都创建完成后，返回步骤1)，继续下一个尺寸的矩形区域的创建。
10)结束矩形的搜索。当所有尺寸的矩形都创建完成后，结束搜索。
第五步生成切割线
1)生成直线。将第四步中保存的创建的所有矩形区域显示出来，提取这些矩形的所有长和宽，把它们都延伸为一条条与电池片两边缘都相交的直线。再求取生成的所有直线与电池片轮廓的交线，将在轮廓边缘外的直线段部分除去。
2)将直线中穿过矩形内部的线段去掉。将所有的矩形进行腐蚀处理(腐蚀的宽度如1～3mm)，求取所有腐蚀后的矩形区域与步骤1)中得到的直线段的交线，将求取的交线从直线段上去掉。
3)将直线段上多余的切割线段去掉。删去在剩余的直线段上的有些没必要去切割的线段，将所有的矩形进行膨胀处理，膨胀的宽度，如1～3mm，求取所有膨胀的矩形区域与直线段相交的线段的长度，判断这些长度与膨胀的宽度的大小，找出所有小于膨胀的宽度的线段，并找出该线段所在的直线段，将这些直线段去掉。得到的剩下的直线段就是最终的切割线。
第六步优化切割路径
将第五步中得到的所有的切割线的首尾坐标求出来，找到离原点最近的一个坐标点为切割起始点，该点所在的直线段为第一条切割线，再找到与第一条切割线的末尾点最近的一个点作为第二条切割线的起始点，该点所在的直线段为第二条切割线，再找到与第二条切割线的末尾点最近的一个点作为第三条切割线的起始点，该点所在的直线段为第三条切割线，以此类推，就得到了优化的切割路径。
Claims (6)
1.基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：
具体步骤如下：
第一步读取规格参数，创建参数队列
根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；设置规定的切割矩形的长和宽、最短的栅格长度和栅条数，创建参数队列；
第二步对太阳能硅片进行图像采集：利用相机对破损的太阳能硅片进行拍照并存储；
第三步对采集到的图像预处理，预处理的具体步骤如下：
1)读取采集到的图像，通过阈值分割提取硅片大轮廓，然后通过开运算等形态学处理消除周围的噪点，排除干扰，得到感兴趣区域，即残片的大轮廓；
2)将提取的残片大轮廓进行增强处理，再通过阈值分割提取栅格，将提取到的栅格骨骼化，再经过Hough变换将处于同一条直线上的骨骼化的栅格合并，并拟合成一条直线，即栅线。
第四步对可利用划分区域进行矩形搜索，具体步骤如下：
1)按照规定的优先级顺序选择切割矩形的长和宽；
2)确定矩形的方向和中心搜索轨迹线，在搜索矩形之前需要确定矩形的方向和搜索路径。根据规格要求，将栅线的垂直方向作为矩形的长轴方向；栅极线需满足关于电池片中线对称的要求；
3)确定起始搜索轨迹线，对于存在多条中心搜索轨迹线的情形，在两侧的两条搜索轨迹线中选取与残片区域交线较长的一条作为起始搜索轨迹线；
4)确定搜索区域，以步骤1)所选择定的矩形宽度作为宽，以搜索轨迹线与残片轮廓的交线作为长，创建一个矩形搜索区域；
5)确定搜索起始点与终止点，搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择；
6)矩形搜索，以步骤5)中的起始点截去矩形半高的那个点作为矩形的第一个中心点开始创建第一个矩形，先判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中；再判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小，若d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形；
7)调整搜索步长，若步骤6)中创建的矩形区域中的电池片有破损现象，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段，将搜索中心点向搜寻的方向平移t个步长继续创建矩形，直到均符合要求为止；
8)保存创建合格的矩形，将步骤3)中选取的那条中心线上创建的所有矩形都保存在一个空区域中，并将这条中心线上的这些矩形从可利用划分区域中划去。返回步骤3)，继续在下一条中心线上创建矩形区域；
9)创建下一优先级的矩形，当当前尺寸的矩形在其所有的中心搜索轨迹线上都创建完成后，返回步骤1)，继续下一个尺寸的矩形区域的创建；
10)结束矩形的搜索。当所有尺寸的矩形都创建完成后，结束搜索；
第五步生成切割线
1)生成直线，将第四步中保存的创建的所有矩形区域显示出来，提取这些矩形的所有长和宽，把它们都延伸为一条条与电池片两边缘都相交的直线。再求取生成的所有直线与电池片轮廓的交线，将在轮廓边缘外的直线段部分除去；
2)将直线中穿过矩形内部的线段去掉；将所有的矩形进行腐蚀处理，腐蚀的宽度为1～3mm，求取所有腐蚀后的矩形区域与步骤1)中所得到的直线段的交线，将求取的交线从直线段上去掉；
3)将直线段上多余的切割线段去掉，删去在剩余的直线段上的有些没必要切割的线段；将所有的矩形进行膨胀处理，膨胀的宽度为1～3mm；求取所有膨胀的矩形区域与直线段相交的线段的长度，判断这些长度与膨胀的宽度的大小，找出所有小于膨胀的宽度的线段，并找出该线段所在的直线段，将这些直线段去掉；得到的剩下的直线段就是最终的切割线。
第六步优化切割路径
将第五步中得到的所有的切割线的首尾坐标求出来，找到离原点最近的一个坐标点为切割起始点，该点所在的直线段为第一条切割线；再找到与第一条切割线的末尾点最近的一个点作为第二条切割线的起始点，该点所在的直线段为第二条切割线；再找到与第二条切割线的末尾点最近的一个点作为第三条切割线的起始点，该点所在的直线段为第三条切割线；以此类推，得到优化的切割路径。
2.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第一步所述根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸：设置规定的切割矩形的长a，如156mm,78mm,52mm,52mm,52mm和宽b，如78mm,52mm,39mm,31.2mm,26mm，以及最短的栅格长度m，如3和栅条数n，如1,2,3,4,5，按照规定的优先级的顺序先设置第一优先级的长和宽，以及其包含的栅极线条数n，以此类推。
3.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第四步2)中栅极线需满足关于电池片中线对称的要求，奇数条栅线，选取中间的栅极线作为矩形中心搜索轨迹线；偶数条栅线，选择中间两条栅线的对称线作为矩形中心搜索轨迹线。
4.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第四步步骤5)中搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择，选取离包含在矩形搜索区域内的残片重心较近的一端作为搜索起始点，另一端点作为终止点。
5.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第四步步骤6)、7)中判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中，若不完全在，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段。
6.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第四步步骤7)中判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小，若d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710213800.5A CN107133382B (zh) | 2017-04-01 | 2017-04-01 | 基于机器视觉的太阳能电池残片再利用的智能排样方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710213800.5A CN107133382B (zh) | 2017-04-01 | 2017-04-01 | 基于机器视觉的太阳能电池残片再利用的智能排样方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107133382A true CN107133382A (zh) | 2017-09-05 |
| CN107133382B CN107133382B (zh) | 2020-07-10 |
Family
ID=59716281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710213800.5A Expired - Fee Related CN107133382B (zh) | 2017-04-01 | 2017-04-01 | 基于机器视觉的太阳能电池残片再利用的智能排样方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107133382B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490584A (zh) * | 2017-09-16 | 2017-12-19 | 河北工业大学 | 一种太阳能电池片el测试断栅缺陷检测方法 |
| CN109145279A (zh) * | 2018-08-07 | 2019-01-04 | 燕山大学 | 一种基于重心居中的二维轮廓排样方法 |
| CN109856051A (zh) * | 2019-01-30 | 2019-06-07 | 广州市载道信息科技有限公司 | 一种图像色彩采集装置 |
| CN110600587A (zh) * | 2019-10-08 | 2019-12-20 | 安徽图算智能科技有限公司 | 一种太阳能电池片智能切割方法及切割系统 |
| CN114373832A (zh) * | 2021-12-30 | 2022-04-19 | 江苏宇辉光伏科技有限公司 | 一种太阳能电池预切割区域智能化标记系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617317A (zh) * | 2013-11-26 | 2014-03-05 | Tcl集团股份有限公司 | 智能3d模型的自动布局方法和系统 |
| CN103753715A (zh) * | 2014-01-23 | 2014-04-30 | 英利能源（中国）有限公司 | 一种倒角不合格硅块再利用的加工方法 |
-
2017
- 2017-04-01 CN CN201710213800.5A patent/CN107133382B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617317A (zh) * | 2013-11-26 | 2014-03-05 | Tcl集团股份有限公司 | 智能3d模型的自动布局方法和系统 |
| CN103753715A (zh) * | 2014-01-23 | 2014-04-30 | 英利能源（中国）有限公司 | 一种倒角不合格硅块再利用的加工方法 |
Non-Patent Citations (2)
| Title |
|---|
| K.VIJAY ANAND.ET AL.: ""Heuristic and genetic approach for nesting of two-dimensional rectangular shaped parts with common cutting edge concept for laser cutting and profile blanking processes "", 《COMPUTERS & INDUSTRIAL ENGINEERING》 * |
| 王磊 等: ""单规格一刀切矩形排样问题的启发式搜索算法"", 《软件学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490584A (zh) * | 2017-09-16 | 2017-12-19 | 河北工业大学 | 一种太阳能电池片el测试断栅缺陷检测方法 |
| CN107490584B (zh) * | 2017-09-16 | 2020-06-09 | 河北工业大学 | 一种太阳能电池片el测试断栅缺陷检测方法 |
| CN109145279A (zh) * | 2018-08-07 | 2019-01-04 | 燕山大学 | 一种基于重心居中的二维轮廓排样方法 |
| CN109856051A (zh) * | 2019-01-30 | 2019-06-07 | 广州市载道信息科技有限公司 | 一种图像色彩采集装置 |
| CN110600587A (zh) * | 2019-10-08 | 2019-12-20 | 安徽图算智能科技有限公司 | 一种太阳能电池片智能切割方法及切割系统 |
| CN114373832A (zh) * | 2021-12-30 | 2022-04-19 | 江苏宇辉光伏科技有限公司 | 一种太阳能电池预切割区域智能化标记系统及方法 |
| CN114373832B (zh) * | 2021-12-30 | 2024-08-20 | 中润光能科技(徐州)有限公司 | 一种太阳能电池预切割区域智能化标记系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107133382B (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133382A (zh) | 基于机器视觉的太阳能电池残片再利用的智能排样方法 | |
| CN111104838B (zh) | 基于障碍物的下端线检测roi的方法和装置 | |
| CN113379703B (zh) | 基于Yolo-v4网络结构光伏面板暗斑缺陷检测方法 | |
| Chen et al. | Hybrid page segmentation with efficient whitespace rectangles extraction and grouping | |
| CN105335745B (zh) | 图像中数字的识别方法、装置及设备 | |
| CN105447530A (zh) | 基于图像识别技术的输电线路隐患及故障检测方法 | |
| CN110751185A (zh) | 目标检测模型的训练方法和装置 | |
| US20220148281A1 (en) | Efficient k-nearest neighbor search algorithm for three-dimensional (3d) lidar point cloud in unmanned driving | |
| CN106599915B (zh) | 一种车载激光点云分类方法 | |
| Jamil et al. | Edge-based features for localization of artificial Urdu text in video images | |
| CN112462763B (zh) | 一种基于栅格地图的割草机器人路径规划方法 | |
| CN106934455B (zh) | 基于cnn的遥感影像光学适配结构选取方法及系统 | |
| CN111915628B (zh) | 一种基于预测目标密集边界点的单阶段实例分割方法 | |
| CN113120555B (zh) | 一种基于线结构光的输送带纵向撕裂检测方法 | |
| CN110060256B (zh) | 一种基于机载LiDAR点云的杆塔提取方法 | |
| CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
| CN103413271A (zh) | 基于局部信息的文档图像校正方法 | |
| CN103177445A (zh) | 基于分段阈值图像分割及光斑识别的室外番茄识别方法 | |
| CN107248252A (zh) | 一种高效的森林火灾探测系统 | |
| CN116402764A (zh) | 基于图像处理的风电机组叶片多类型损伤检测方法及装置 | |
| CN102136074B (zh) | 一种基于mmi的木材图像纹理分析与识别方法 | |
| CN107564056B (zh) | 一种接触网支撑装置三维点云数据最优数据帧选取方法 | |
| CN114299394A (zh) | 一种遥感影像智能解译方法 | |
| Kim et al. | Automatic crack detection for concrete infrastructures using image processing and deep learning | |
| CN101894373B (zh) | 采用外接矩形的气象传真图像锋线提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200710 |